Машинное обучение

Машинное обучение — и все его компоненты — является подмножеством ИИ. В процессе машинного обучения алгоритмы применяются к различным типам методов обучения и техник анализа, позволяя системе автоматически обучаться и совершенствоваться на основе своего опыта без явного программирования. В компаниях машинное обучение может применяться к любой задаче или цели, требующей прогнозирования результатов, получаемых на основе комплексного анализа данных.



В чем разница между ИИ и машинным обучением? Машинное обучение является подмножеством ИИ и не способно существовать в отрыве от него. Поэтому дело не столько в том, что они разные, сколько в том, в чем именно они отличаются. Искусственный интеллект обрабатывает данные для принятия решений и создания прогнозов. Алгоритмы машинного обучения позволяют ИИ не только обрабатывать эти данные, но и использовать их для обучения и повышения «интеллектуальности», не требуя дополнительного программирования.

Преимущества ИИ.

Всего пару десятилетий назад использование ИИ в бизнес-операциях находилось на этапе «первого внедрения», и его потенциал все еще был несколько теоретическим. С тех пор технологии и приложения ИИ развиваются и повышают ценность бизнеса. И по мере того, как технологии ИИ совершенствуются и появляются в качестве следующей волны инноваций, люди также понимают их потенциал и креативность, с которыми они применяются. Сегодня компании получают все более широкий спектр измеримых преимуществ от систем на базе искусственного интеллекта, включая следующие пять:

Устойчивость в масштабе организации. Задолго до появления компьютеров компании осознавали ценность сбора и понимания данных о своем бизнесе, рынке и клиентах. По мере роста объемов и сложности массивов данных становилось все труднее точно и своевременно анализировать эти данные. Решения на базе ИИ дают возможность не только управлять большими данными, но и извлекать из них ценную информацию. С помощью ИИ можно автоматизировать сложные процессы, более эффективно использовать ресурсы, а также точнее прогнозировать и успешнее адаптироваться к возникающим сбоям (и возможностям).
Повышение качества обслуживания клиентов. ИИ позволяет компаниям персонализировать предложения услуг и взаимодействовать с клиентами в режиме реального времени. По мере продвижения потребителей по современной воронке продаж от «потенциального клиента» к «конверсии» они генерируют сложные и разнородные наборы данных. ИИ дает бизнес-системам возможность использовать эти данные, а также повысить эффективность обслуживания и взаимодействия с клиентами.
Уверенное принятие решений. Эффективные руководители компаний всегда стремятся принимать оперативные и информированные решения. Чем важнее решение, тем больше вероятность того, что оно будет состоять из множества сложных компонентов и взаимозависимостей. ИИ помогает дополнить мудрость и опыт людей, используя расширенный анализ данных и практические выводы, которые способствуют уверенному принятию решений в режиме реального времени.
Релевантные продукты и услуги. Многие традиционные модели НИОКР опирались на устаревшую информацию. Анализ данных о производительности и обратной связи от клиентов часто проводился только после того, как продукт или услуга выходили на рынок. Не существовало и систем, способных быстро обнаружить потенциальные пробелы и возможности на рынке. С помощью систем на базе ИИ компании могут одновременно и в режиме реального времени просматривать широкий спектр данных. Это позволяет им изменять существующие продукты и вводить новые, основываясь на самых актуальных и свежих данных о рынке и клиентах.

Типы ИИ.

Искусственный интеллект является одной из самых быстрорастущих областей технологического развития. И все же сегодня даже самые сложные модели ИИ используют только «искусственный интеллект узкого назначения» — самый базовый из трех типов ИИ. Два других типа все еще остаются сюжетом научной фантастики и на данный момент не находят практического применения. Однако, учитывая темпы роста компьютерных наук за последние 50 лет, трудно сказать, куда приведет нас будущее развитие ИИ.

Искусственный интеллект узкого назначения (ANI)

ANI, также известный как «слабый» ИИ, существует уже сегодня. Хотя задачи, которые может выполнять слабый ИИ, могут выполняться с помощью очень сложных алгоритмов и нейронных сетей, они, тем не менее, остаются единичными и ориентированными на достижение цели. Распознавание лиц, поиск в интернете и самодвижущиеся автомобили — все это примеры ИИ узкого назначения. Его относят к категории слабых не потому, что ему не хватает масштаба и мощности, а потому, что ему еще далеко до наличия человеческих компонентов, которые мы приписываем настоящему интеллекту. Философ Джон Серл определяет слабый ИИ как «полезный для проверки гипотезы о разумах, но не являющийся разумом на самом деле».

Искусственный интеллект общего назначения (AGI)


ИИ общего назначения (сильный ИИ) должен быть способен успешно выполнять любые интеллектуальные задачи, которые под силу человеку. Как и системы ИИ узкого назначения, системы общего назначения могут учиться на опыте, выявлять и прогнозировать закономерности — но у них есть возможность сделать еще один важный шаг. Они способны экстраполировать эти знания на широкий спектр задач и ситуаций, которые не могут быть решены с помощью ранее полученных данных или существующих алгоритмов.



Summit Supercomputer является одним из немногих таких суперкомпьютеров в мире, которые демонстрируют AGI. Он может выполнить 200 квадриллионных вычислений за одну секунду, что заняло бы у человека миллиард лет. Для того, чтобы модели AGI были вполне осуществимыми, они не обязательно нуждались бы в такой большой мощности, но они требовали бы вычислительных мощностей, которые в настоящее время существуют только на уровнях суперкомпьютеров.

История ИИ.

От греческого мифа о Пигмалионе до викторианской сказки о Франкенштейне — люди давно были увлечены идеей создания рукотворного существа, которое могло бы мыслить и действовать как человек. С появлением компьютеров мы поняли, что идея искусственного интеллекта воплотится не в виде самостоятельных независимых сущностей, а в виде набора инструментов и сетевых технологий, способных дополнять потребности человека и приспосабливаться к ним.



Термин «искусственный интеллект» был введен в 1956 году на научной конференции в Дартмутском университете в Хановере (штат Нью-Гэмпшир). С тех пор ИИ и управление данными развивались чрезвычайно взаимозависимым образом. Для выполнения содержательно надежного анализа искусственному интеллекту требуется огромный объем больших данных. А для цифровой обработки большого объема данных системе требуется искусственный интеллект. Таким образом, история ИИ развивалась параллельно с ростом вычислительных мощностей и технологий баз данных.



Сегодня бизнес-системы, которые когда-то могли обрабатывать всего несколько гигабайт данных, способны оперировать терабайтами и использовать ИИ для обработки результатов и проведения анализа в реальном времени. И, в отличие от рукотворного создания, ковыляющего по дороге в деревню, технологии ИИ являются гибкими и отзывчивыми — они призваны улучшать и дополнять своих партнеров-людей, а не заменять их.